watermarks-remover：清理主流 AI 数字水印

开源项目 watermarks-remover 将针对 Claude、Gemini 和 OpenAI 等厂商的数字水印清理任务拆成三个层级：清除隐形 Unicode 字符和异常空格等硬性痕迹，用模型改写对抗基于 Token 采样概率的统计学水印，并抹除图像和文档中的 C2PA 及 EXIF 元数据。项目支持 Python 运行，也可以作为 Agent 的技能模块接入更大工作流。

其中较难处理的是统计学水印。它存在于词汇选择的概率分布中，仅靠删除不可见字符并不足够；要彻底清除往往需要大幅度重新措辞，很可能带来文本质量下降。工具把这几类清理能力集成到同一方案，降低了跨文本、图像和文档实施水印去除的复杂度。

从工程角度看，如果内容溯源系统只依赖隐形 Unicode、异常空格或 C2PA/EXIF 作为标识，这类批量清理会削弱单点检测效果。检测流程可能需要引入更难移除的溯源信号，并评估模型改写后的漏检率，同时设置文本质量与检测置信度之间的折中指标。

作为 Agent 技能模块这一形态，也意味着水印清理可能被编排进自动化任务。这会提升便利性，但也可能放大滥用风险，安全审计和合规团队需要关注相关使用痕迹。对生成内容真实性检测而言，单靠可移除元数据不够可靠，更适合结合发布链路审计等多层证据。

社区评论提出一个矛盾：如果为了避免水印而不得不接受质量较低的改写模型，那么追求顶级模型生成的意义会被削弱。这也反映出用户对数据主权和数字隐私的焦虑，并非单纯技术对抗。目前项目未披露许可证、维护状态、实际清除率和性能基准，生产可用性仍需进一步验证。